数字图像处理13--灰度图的直方图均衡化，OpenCV C++

• 图像直方图的定义1：

一个灰度级在范围[0，L-1]的数字图像的直方图是一个离散函数

h(rk)= nk ，

nk是图像中灰度级为rk的像素个数， rk 是第k个灰度级，k = 0,1,2,…,L-1

由于rk的增量是1，直方图可表示为： p(k)= nk 即，图像中不同灰度级像素出现的次数。

• 图像直方图的定义2：

一个灰度级在范围[0，L-1]的数字图像的直方图是一个离散函数

p(rk)= nk/n

n 是图像的像素总数

nk是图像中灰度级为rk的像素个数， rk 是第k个灰度级，k = 0,1,2,…,L-1

其中，定义（2）

✓ 使函数值正则化到[0,1]区间，成为实数函数

✓ 函数值的范围与象素的总数无关

✓ 给出灰度级rk在图像中出现的概率密度统计

直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。

绘制一幅灰度图的直方图

代码如下：

#include <iostream>
#include <string>

#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;
using namespace std;

const char* keys =
{
"{help h usage ? | | print this message}"
"{@image | | Image to process}"
};

Mat equalize_img( Mat &src_img )
{
Mat result;
equalizeHist( src_img, result );
return result;
}

Mat show_img_histogram( Mat &src_img )
{
//create 256 subinterval
//the number of possibles values
int numbins = 256;

//set the range for BGR(0-256)
float range[] = { 0, 256};
const float* histRange = { range };

Mat gray_hist;
calcHist( &src_img, 1, 0, Mat(), gray_hist, 1, &numbins, &histRange );

//draw histogram
//draw lines for each channels
int width = 512;
int height = 300;

// Create image with gray base
Mat histImage( height, width, CV_8UC3, Scalar(20, 20, 20) );

// Normalize the histograms to height of image
normalize(gray_hist, gray_hist, 0, height, NORM_MINMAX );

int binStep= cvRound((float)width/(float)numbins);
for( int i=1; i< numbins; i++){
line(
histImage,
Point( binStep*(i-1), height-cvRound(gray_hist.at<float>(i-1) ) ),
Point( binStep*(i), height-cvRound(gray_hist.at<float>(i) ) ),
Scalar(255,0,0)
);
}
return histImage;
}

int main( int argc, char* argv[] )
{
CommandLineParser parser(argc, argv, keys);
parser.about("Chapter 4. PhotoTool v1.0.0");
//If requires help show
if (parser.has("help")){
parser.printMessage();
return 0;
}

String imgFile= parser.get<String>(0);

// Check if params are correctly parsed in his variables
if (!parser.check()){
parser.printErrors();
return 0;
}

// Load image to process
Mat img= imread(imgFile);
if( !img.data ){
fprintf( stderr, "Can't read image\n" );
return -1;
}
Mat srcGray;
cv::cvtColor(img, srcGray, CV_BGR2GRAY);

Mat histo1 = show_img_histogram(srcGray);
Mat equai1 = equalize_img(srcGray);
Mat histo2 = show_img_histogram(equai1);

// Show image
namedWindow("Input");
imshow("Input", srcGray);
imshow("histo1", histo1);
imshow("equai1", equai1);
imshow("histo2", histo2);

waitKey(0);
return 0;

}

效果如下：

数字图像处理13--灰度图的直方图均衡化，OpenCV C++

猜你喜欢